Introduction

Le présent document expose les analyses préliminaires réalisées dans le cadre d’un stage de première année à l’ENGEES réalisé à la Direction Rgéionale Bretagne de l’Office Français de la Biodiversité. Il vise à esquisser ce que pourraient être des “conditions de référence” pour le chevelu hydrographique dans l’hydro-écorégion “massif armoricain”. L’établissement de telles références fournirait une base pour l’ingéniérie écologique de restauration de ces petits cours d’eau dans la région.

Dans cet objectif, des données ont été collectées par plusieurs stagiaires entre 2013 et 2022 sur des ruisseaux réputés non-impactés. Il s’agissait de caractériser finement la topographie du lit pour des tronçons de rang de Strahler 1. Les caractéristiques principales des bassins versants en amont des tronçons ont été obtenues par géotraitement.

Afin de mettre en perspective les résultats obtenus, les mêmes analyses ont été menées sur les cours d’eau également “de référence” de l’IED Carhyce en sélectionnant la même hydro-écorégion. Les protocoles de terrain ne sont pas identiques, cependant certaines grandeurs estimées se recoupent.

# chargement des packages
library(tidyverse)
library(plotly)
library(flextable)
# chargement du tableau de données au format RData
load(file = "../processed_data/ref.RData")

Le tableau assemblé comprend 146 lignes correspondant à autant de cours d’eau. On a distingué, parmi les sources de données de la DR OFB Bretagne, celles issues de Gallineau (2020) des autres (à citer) car il s’agit de cours d’eau intermédiaires, en terme de taille, entre, d’une part, les rangs 0 et 1 (autres stages) et, d’autre part, des cours d’eau plus importants (Carhyce). La variable etiquette est obtenue par concaténation de la référence de la station et du nom du cours d’eau car aucune de ces variables n’est renseignée dans 100% des cas.

ref %>% 
  select(-Code_tron,
         -dist_inter_rad,
         -Coef_sinuo) %>%
  mutate(pente_eau_m_m = round(pente_eau_m_m, 5)) %>% 
  DT::datatable()

L’hypothèse sous-jacente aux analyses est que les caractéristiques naturelles d’un bassin versant “contraignent” celles de son réseau hydrographique. Le phénomène est bien connu sur les grands cours d’eau, mais les têtes de bassins ont été beaucoup moins étudiées.

Les caractéristiques du bassin qui vont être prises en compte ici sont :

Les variables de réponse sont la largeur et la hauteur de plein bord (moyennes sur l’ensemble des transects).

Analyse bivariée

Dans un premier temps, on observe les relations des variables deux à deux.

Les variables explicatives (de forçage)

Sur le graphique ci-dessous, une droite de régression a été calée pour chaque jeu de données. La courbe grise en pointillés indique une tendance non linéaire sur l’ensemble des données.

# chargement du tableau de données au format RData
load(file = "../output/graphiques_bivaries.RData")
g_pente_sbv

En échelle log-log, le lien entre les deux variables explicatives est fort. Il est possible que la relation soit plutôt curvi-linéaire que linéaire. La relation est décroissante, donc sans surprise la pente est d’autant plus faible que le site est en aval (bassin plus grand).

Les plus petits bassins sont bien ceux du jeu de données de référence, les plus grands ceux de Caryce et ceux de Gallineau (2020) en position intermédiaire.

Quelques points sont très éloignés du schéma général et méritent des vérifications (ex : Ref_0065, ou bien le Dolo dans Carhyce).

Relation entre bassin et morphologie du lit

g_lpb_pente
g_lpb_sbv
g_hpb_pente
g_hpb_sbv
g_lh_pente
g_lh_sbv

Modélisation

Pour évaluer les effets combinés des deux variables explicatives, des régressions multiples ont été réalisées.

# chargement du tableau de données au format RData
load(file = "../output/modeles.RData")

modeles %>% 
  rename(`Surface BV` = `log(Surface_BV_km2, base = 10)`,
         `Pente` = pente_eau_m_m,
          Constante = `(Intercept)`) %>% 
  mutate(r2 = round(r2, 2)) %>% 
  flextable() %>%
  set_table_properties(layout = "autofit", width = 1) %>% 
  align(align = "center", part = "all") %>% 
  hline(i = 3)

La superficie du bassin versant, avec des coefficients toujours significatifs, est clairement la principale variable qui contribue à expliquer la forme du lit. Ces coefficients sont tous positifs, indiquant un clair effet taille : plus un bassin versant est grand, plus le cours d’eau est large et profond.

L’effet de la pente n’est signigicatif que sur un modèle, avec une p-value entre 0.05 et 0.01, ce qui n’est pas très convaincant, d’autant que le coefficient est positif, à l’inverse de l’attendu (en règle générale quand un cours d’eau est large, il est en plaine donc sa pente est faible). Il s’agit vraisemblablement d’une mauvaise extimation de ce coefficient, ce qui arrive quand les variables explicatives sont corrélées entre elles.

Les coefficients de détermination ajustés r² sont plus faibles pour les têtes de bassins versants que pour les deux autres jeux de données, malgré l’effet très significatif de la surface du bassin versant. Sur ces deux autres jeux de données, ils sont particulièrement élevés (>0.90) pour la largeur plein bord Lpb. Ils sont de l’ordre de 0.80 pour la hauteur plein bord Hpb.

Conclusion

Intéressant. Besoin de faire des vérifications sur certains points suspects.